其次，可以在分散系统的不同仪器仪表中采用微处理器、微等微型芯片技术，设计模糊控制程序，设置各种测量数据的临界值，并运用模糊规则的模糊推理技术，对事物的各种模糊关系进行决策。这种方法不需要建立被控对象的数学模型，也不需大量测试数据，只需根据经验和适用的控制规则，就能实现准确分析和及时控制。这在传感器测量中尤为常见。例如，软件可以通过快速傅立叶变换、短时傅立叶变换、小波变换等技术来实现信号滤波，从而简化硬件结构，提高信噪比，但这需要确定传感器动态数学模型，而且高阶滤波器实时性较差。

神经网络技术也被广泛应用于智能自动化领域，可实现高性能自相关滤波和自适应滤波。人工神经网络具有强大的自学习、自适应、自组织能力，以及对非线性复杂关系输入输出间黑箱映射特性的优势，无论在适用性还是快速实时性方面都超过了复杂函数式。此外，它们还能充分利用多传感器资源，综合获取更准确可靠结论。在处理实时与非实时快变与缓变模糊确定性的数据信息过程中，神经网络或模糊逻辑成为最合适选择。

例如，在气体传感阵列用于混合气体识别中，可采用自组织映射网络和BP网络相结合，以先进行分类再识别组分，从而降低算法复杂度提高识别率。而在食品味觉信号检测与识别领域，一些研究者使用小波变换进行数据压缩特征提取，然后将数据输入已训练过的遗传算法模糊神经网络，大大提高了对简单复合味道的识别率。此外，在布匹面料质量评定机器故障诊断等领域，也取得了一系列成功案例。

(2) 在虚拟仪器结构设计中的应用

结合计算机技术，不仅提升了测量精度智能自动化水平，更是加速了仪器仪表智能化发展。虚拟仪器通过软件提供即插即用标准，即使用户无需编程也能操作，这极大地简化了用户操作开发过程并提高运行效率。最新Labwindows/CVI 5.0内建开发工具基础上，可以通过智能手段生成驱动代码，使得代码编程更加统一且易于维护。此外，还有状态管理功能可以帮助发现编程错误，同时支持两种模式（测试开发正常运行）切换，以保证安全性和效率。

多线程同时安全运行以及强大的仿真功能也是重要特点，其中驱动程序初始化函数区分接口总线方式以满足地域异用需求。这一切改变了VXI总线即插即用标准原有的缺陷，如低效、高成本、编程困难等，使得整个行业得到全面统一运行显示出深远影响。

(3) 仪器仪表网络化中的应用

随着数字万用表示波器连接到Web上的模式识别软件能够区分不同的时间条件类别特征，并作出响应；分布式数据采集系统跨越以太网实施远程测量并进行分类存储应用。此类环境让计算机及不同任务类型的大型数据库共享资源协同工作，如跨距离监控生产流程或同步收集分析现象规律。当问题发生可立即展示或重新配置解决方案，而不是亲临现场，这样做既节省时间又增加灵活性。

最后，加上重构信息处理技术，将为未来创造更多可能性，比如可重构计算机结合ASIC优点，其指令级至任务级并行计算速度超越通用电脑数百倍以上，为未来的科技进步奠定基础。随着这些新兴科技不断融入，我国设备制造业将迅速迈向更高发展阶段展望未来前景令人期待：当今光电束流最高速物性的生物DNA芯片的人脑机制，与电子光子计算速度无机智能相结合，让材料智能化交互作用共同提升，当今光互连带宽天文之大干扰极小功耗极低开辟全新天地，为人类创造开放人机结合系统五彩斑斓拟人高智慧、高效自动系统奠基从而推升社会生产力至新的高度引领人类生活向幸福美好的明天飞跃！